ES2681958T3 - Vehicle classification system and procedure - Google Patents
Vehicle classification system and procedure Download PDFInfo
- Publication number
- ES2681958T3 ES2681958T3 ES14772042.9T ES14772042T ES2681958T3 ES 2681958 T3 ES2681958 T3 ES 2681958T3 ES 14772042 T ES14772042 T ES 14772042T ES 2681958 T3 ES2681958 T3 ES 2681958T3
- Authority
- ES
- Spain
- Prior art keywords
- waveform
- model
- vehicle
- signal
- waveforms
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
Un procedimiento de clasificación de vehículos, que comprende: generar una forma de onda de señal a partir de una señal en un único bucle inductivo, generada por un vehículo que pasa; comparar la forma de onda de la señal con una primera pluralidad de formas de onda de modelo, en el que cada forma de onda de modelo está asociada con una clase de vehículo respectiva; determinar una primera forma de onda de modelo de la primera pluralidad de formas de onda de modelo que coincida con la forma de onda de la señal; emitir de salida datos que indican la clase de vehículo respectiva asociada con la primera forma de onda de modelo; en el que una o más de las clases tiene dos o más subclases de vehículos, y cada una de las subclases tiene una forma de onda de modelo asociada de una segunda pluralidad de formas de onda de modelo; comparar la forma de onda de la señal con la segunda pluralidad de formas de onda de modelo de la clase respectiva; determinar una segunda forma de onda de modelo de la segunda pluralidad de formas de onda de modelo que coincida con la forma de onda de la señal; y emitir de salida datos que indican la subclase respectiva del vehículo asociada con la segunda forma de onda de modelo.A vehicle classification method, comprising: generating a signal waveform from a signal in a single inductive loop generated by a passing vehicle; comparing the signal waveform to a first plurality of model waveforms, wherein each model waveform is associated with a respective vehicle class; determining a first model waveform of the first plurality of model waveforms that matches the waveform of the signal; outputting data indicating the respective vehicle class associated with the first model waveform; wherein one or more of the classes has two or more vehicle subclasses, and each of the subclasses has an associated model waveform of a second plurality of model waveforms; comparing the signal waveform with the second plurality of model waveforms of the respective class; determining a second model waveform of the second plurality of model waveforms that matches the waveform of the signal; and outputting data indicating the respective vehicle subclass associated with the second model waveform.
Description
55
1010
15fifteen
20twenty
2525
3030
3535
4040
45Four. Five
50fifty
DESCRIPCIONDESCRIPTION
Sistema y procedimiento de clasificación de vehículos Campo de la invenciónVehicle classification system and method Field of the invention
La divulgación se dirige en general a clasificar vehículos a partir de señales generadas a medida que los vehículos pasan por un bucle inductivo.The disclosure is generally directed to classify vehicles from signals generated as vehicles pass through an inductive loop.
AntecedentesBackground
Las señales de tráfico se han utilizado durante mucho tiempo para regular el flujo de tráfico en las intersecciones. En general, las señales de tráfico se han basado en temporizadores o sensores de vehículos para determinar cuándo se deben cambiar las luces de las señales de tráfico, indicando de esta manera direcciones alternantes para que el tráfico se detenga, y otras para que continúe.Traffic signs have been used for a long time to regulate the flow of traffic at intersections. In general, traffic signals have been based on vehicle timers or sensors to determine when the traffic signal lights should be changed, thus indicating alternate directions for traffic to stop, and others for it to continue.
En muchas instalaciones, los sensores de vehículos incluyen bucles inductivos integrados en la carretera. Una intersección puede tener bucles para cada carril de tráfico. Los bucles también se pueden usar para la recopilación de datos, tal como el recuento del número de vehículos que pasan por una intersección. Los datos recopilados se pueden usar para mejorar la temporización de la señal y planificar mejoras viales.In many installations, vehicle sensors include integrated inductive loops on the road. An intersection can have loops for each lane of traffic. Loops can also be used for data collection, such as counting the number of vehicles passing through an intersection. Collected data can be used to improve signal timing and plan road improvements.
Dos parámetros que son de particular interés en el control del tráfico y la planificación vial son la clase de vehículo y la velocidad. La clase de vehículo típicamente se refiere al tipo de vehículo, tal como un automóvil, camioneta de reparto, furgoneta, vehículo con remolque, camión de caja con 2 ejes, camión de caja con más de 2 ejes, autobús y tractor - remolque. El tamaño de los vehículos y sus velocidades pueden afectar significativamente las decisiones que se toman para mejorar el flujo de tráfico.Two parameters that are of particular interest in traffic control and road planning are vehicle class and speed. The vehicle class typically refers to the type of vehicle, such as a car, delivery van, van, trailer vehicle, 2-axle box truck, more than 2-axle box truck, bus and tractor-trailer. The size of the vehicles and their speeds can significantly affect the decisions made to improve traffic flow.
Los enfoques anteriores para recopilar datos de vehículos se han limitado a sistemas de bucle dual o han proporcionado resultados inexactos. Un enfoque se basa en dos bucles inductivos integrados en un carril de una carretera. El espacio que separa los bucles y los tiempos en los que se detecta un vehículo en cada bucle se utilizan para calcular la velocidad y la longitud del vehículo. La longitud puede ser utilizada para clasificar el vehículo. El enfoque de bucle dual está limitado por la cantidad de carreteras que tienen bucles duales integrados, ya que puede haber muchas ubicaciones de carreteras en las que se desea recopilar datos de tráfico, pero esas ubicaciones solamente tienen un bucle único integrado en la carretera.Previous approaches to collecting vehicle data have been limited to dual loop systems or have provided inaccurate results. One approach is based on two inductive loops integrated in a lane of a road. The space that separates the loops and the times at which a vehicle is detected in each loop are used to calculate the speed and length of the vehicle. The length can be used to classify the vehicle. The dual loop approach is limited by the number of roads that have dual integrated loops, since there may be many road locations where traffic data is to be collected, but those locations only have a single loop integrated into the road.
Aunque algunos enfoques utilizan un bucle único para estimar la velocidad de un vehículo, los resultados pueden ser inexactos. Cuando se utiliza un bucle único para recopilar datos del vehículo, es común suponer que todos los vehículos tienen la misma longitud. La velocidad puede ser estimada en función de la longitud supuesta y la cantidad de tiempo durante la que el vehículo se encuentra sobre el bucle. Sin embargo, la velocidad puede ser inexacta ya que puede haber una gran variación entre la longitud real del vehículo y la longitud asumida.Although some approaches use a single loop to estimate the speed of a vehicle, the results may be inaccurate. When a single loop is used to collect vehicle data, it is common to assume that all vehicles have the same length. The speed can be estimated based on the assumed length and the amount of time during which the vehicle is on the loop. However, the speed may be inaccurate since there can be a great variation between the actual length of the vehicle and the assumed length.
El documento JPH0449498 divulga un sistema de clasificación de un vehículo que pasa por un único bucle inductivo, que comprende: un oscilador acoplado al único bucle inductivo; un comparador de impulsos acoplado al oscilador, estando configurado el comparador de impulsos para generar un tren de impulsos en respuesta a una señal de salida del oscilador; un procesador acoplado al comparador de impulsos; y una memoria acoplada al procesador, en el que la memoria está configurada con una pluralidad de formas de onda modelo y con instrucciones que cuando son ejecutadas por el procesador hacen que el procesador: genere una forma de onda de señal a partir de una señal en el único bucle inductivo, generada por el paso de un vehículo; comparar la forma de onda de la señal con una primera pluralidad de formas de onda de modelo, en el que cada forma de onda de modelo está asociada con una clase de vehículo respectiva; determinar una primera forma de onda de modelo de la primera pluralidad de formas de onda de modelo que coincida con la forma de onda de la señal; datos de salida que indican la clase de vehículo correspondiente asociada con la primera forma de onda de modelo.JPH0449498 discloses a classification system of a vehicle passing through a single inductive loop, comprising: an oscillator coupled to the single inductive loop; a pulse comparator coupled to the oscillator, the pulse comparator being configured to generate a pulse train in response to an output signal from the oscillator; a processor coupled to the pulse comparator; and a memory coupled to the processor, in which the memory is configured with a plurality of model waveforms and with instructions that when executed by the processor cause the processor to: generate a signal waveform from a signal in the only inductive loop, generated by the passage of a vehicle; comparing the signal waveform with a first plurality of model waveforms, in which each model waveform is associated with a respective vehicle class; determining a first model waveform of the first plurality of model waveforms that matches the waveform of the signal; output data indicating the corresponding vehicle class associated with the first model waveform.
SumarioSummary
La presente invención se refiere a un procedimiento de clasificación de vehículos de acuerdo con la reivindicación 1 y a un sistema de clasificación de un vehículo de acuerdo con la reivindicación 7.The present invention relates to a vehicle classification procedure according to claim 1 and a vehicle classification system according to claim 7.
El sumario anterior de la presente invención no pretende describir cada realización descrita de la presente invención. Las figuras y la descripción detallada que sigue proporcionan realizaciones ejemplares y aspectos adicionales de la presente invención.The foregoing summary of the present invention is not intended to describe each described embodiment of the present invention. The figures and the detailed description that follow provide exemplary embodiments and additional aspects of the present invention.
Breve descripción de los dibujosBrief description of the drawings
Otros aspectos y ventajas de la invención serán evidentes con la revisión de la descripción detallada y con referencia a los dibujos, en los que:Other aspects and advantages of the invention will be apparent upon review of the detailed description and with reference to the drawings, in which:
55
1010
15fifteen
20twenty
2525
3030
3535
4040
45Four. Five
50fifty
la figura 1 ilustra un sistema de clasificación de vehículos usando un único bucle inductivo;Figure 1 illustrates a vehicle classification system using a single inductive loop;
la figura 2 es un diagrama de flujo de un proceso de clasificación de vehículos usando un único bucle inductivo;Figure 2 is a flow chart of a vehicle classification process using a single inductive loop;
la figura 3 es un diagrama de flujo de un proceso para determinar qué forma de onda de modelo de un conjunto de formas de onda de modelo diferentes para diferentes vehículos coincide con una forma de onda de señal generada por un vehículo;Figure 3 is a flow chart of a process for determining which model waveform of a set of different model waveforms for different vehicles matches a signal waveform generated by a vehicle;
la figura 4 es un gráfico de una forma de onda ejemplar generada por un automóvil que pasa por un único bucle inductivo;Figure 4 is a graph of an exemplary waveform generated by a car passing through a single inductive loop;
la figura 5 es un gráfico de una forma de onda ejemplar generada por un tractor - remolque que pasa por un único bucle inductivo;Figure 5 is a graph of an exemplary waveform generated by a tractor-trailer that passes through a single inductive loop;
la figura 6 es un gráfico de una máscara de límites para un automóvil y la forma de onda de la señal generada por un automóvil superpuesta sobre la máscara de límites ; yFigure 6 is a graph of a boundary mask for a car and the waveform of the signal generated by a car superimposed on the boundary mask; Y
la figura 7 es un gráfico en el que la forma de onda de la señal generada por un automóvil no cae completamente dentro de la máscara de límites.Figure 7 is a graph in which the waveform of the signal generated by a car does not fall completely within the boundary mask.
Descripción detalladaDetailed description
Los procedimientos y sistemas divulgados clasifican los vehículos que pasan por un único bucle inductivo. Además, una vez que se ha determinado la clase de un vehículo, la longitud asociada con esa clase de vehículo y el tiempo que el vehículo estuvo sobre el bucle, se pueden usar para calcular la velocidad del vehículo.The procedures and systems disclosed classify vehicles that pass through a single inductive loop. In addition, once the class of a vehicle has been determined, the length associated with that class of vehicle and the time the vehicle was on the loop, can be used to calculate the vehicle speed.
En una implementación, se captura la forma de onda de la señal generada por un único bucle inductivo por un vehículo que pasa. Esta forma de onda se puede denominar forma de onda del vehículo o forma de onda de la señal. La forma de onda de la señal se compara con las formas de onda de modelo en un conjunto de formas de onda de modelo. Las formas de onda de modelo están asociadas a diferentes clases de vehículos. La forma de onda de modelo que coincide con la forma de onda de la señal indica la clase del vehículo. En otra implementación, las longitudes respectivas están asociadas con las formas de onda de modelo y las clases de vehículos. En base a la longitud asociada con la forma de onda coincidente y el tiempo empleado por el vehículo para pasar por el bucle inductivo, se puede calcular la velocidad del vehículo. Los datos que representan tanto la clase del vehículo como la velocidad del vehículo pueden ser emitidos como salida para su acumulación y procesamiento posterior por medio de una aplicación de recopilación de datos.In one implementation, the waveform of the signal generated by a single inductive loop is captured by a passing vehicle. This waveform can be called the vehicle waveform or signal waveform. The signal waveform is compared with the model waveforms in a set of model waveforms. Model waveforms are associated with different kinds of vehicles. The model waveform that matches the signal waveform indicates the class of the vehicle. In another implementation, the respective lengths are associated with the model waveforms and vehicle classes. Based on the length associated with the matching waveform and the time taken by the vehicle to pass through the inductive loop, the vehicle speed can be calculated. Data representing both the class of the vehicle and the speed of the vehicle can be issued as output for its accumulation and further processing by means of a data collection application.
La figura 1 ilustra un sistema de clasificación de vehículos usando un único bucle inductivo. En una implementación, el bucle inductivo 102 es un cable conductor aislado que está integrado en una ranura poco profunda en el carril 104 de una carretera 106. El tamaño, la forma y el número de vueltas en el bucle inductivo pueden variar de acuerdo con los requisitos de implementación. Alternativamente, el bucle podría ser un magnetómetro que está integrado en el pavimento o colocado en un conducto debajo del pavimento.Figure 1 illustrates a vehicle classification system using a single inductive loop. In one implementation, the inductive loop 102 is an insulated conductor wire that is integrated into a shallow groove in the lane 104 of a highway 106. The size, shape and number of turns in the inductive loop may vary according to the implementation requirements Alternatively, the loop could be a magnetometer that is integrated into the pavement or placed in a conduit under the pavement.
El bucle está acoplado a un oscilador 108 en el detector 110. El detector funciona en conjunto con el bucle 102 para generar señales de salida y datos de salida discretos en base a cambios inductivos en el bucle. El oscilador es un circuito LC en una implementación ejemplar y genera una frecuencia de resonancia basada en la inductancia presente en el bucle. La frecuencia del oscilador depende del nivel de inductancia en el bucle, y la presencia de un vehículo 111 cambia el nivel de inductancia que produce un cambio en la frecuencia.The loop is coupled to an oscillator 108 in the detector 110. The detector works in conjunction with the loop 102 to generate discrete output signals and output data based on inductive changes in the loop. The oscillator is an LC circuit in an exemplary implementation and generates a resonance frequency based on the inductance present in the loop. The frequency of the oscillator depends on the level of inductance in the loop, and the presence of a vehicle 111 changes the level of inductance that produces a change in the frequency.
El comparador de impulsos 112 está acoplado al oscilador, y recibe el nivel de voltaje analógico generado por el oscilador y convierte el nivel de voltaje en un tren de impulsos digitales. La frecuencia de salida del comparador de impulsos es la misma que la frecuencia de entrada del oscilador del bucle.The pulse comparator 112 is coupled to the oscillator, and receives the analog voltage level generated by the oscillator and converts the voltage level into a digital pulse train. The output frequency of the pulse comparator is the same as the input frequency of the loop oscillator.
Un procesador 114, tal como un microcontrolador, está acoplado para recibir como entrada el tren de impulsos desde el comparador de impulsos. El procesador mide la frecuencia del tren de impulsos generado por el comparador de impulsos y de esta manera establece un bucle de control sin realimentación. La frecuencia del tren de impulsos de entrada se mide contando un número específico de impulsos. El número de impulsos especificado puede ser determinado por la configuración de sensibilidad del dispositivo que es un valor de entrada configurable. Se establece un período de tiempo de referencia determinando el tiempo requerido para contar el número especificado de impulsos en la inicialización del bucle de control. Una vez que se establece el período de tiempo de referencia, el procesador calcula las duraciones respectivas de los períodos de tiempo activos sucesivos. La duración de cada período de tiempo activo es el tiempo necesario para contar el número especificado de impulsos. Un cambio en la frecuencia, tal como el causado por un vehículo en el bucle, cambia el tiempo requerido para contar el número especificado de impulsos.A processor 114, such as a microcontroller, is coupled to receive the pulse train from the pulse comparator as input. The processor measures the frequency of the pulse train generated by the pulse comparator and thus establishes a control loop without feedback. The frequency of the input pulse train is measured by counting a specific number of pulses. The number of pulses specified can be determined by the sensitivity setting of the device that is a configurable input value. A reference time period is established by determining the time required to count the specified number of pulses in the initialization of the control loop. Once the reference time period is established, the processor calculates the respective durations of the successive active time periods. The duration of each active time period is the time required to count the specified number of pulses. A change in frequency, such as that caused by a vehicle in the loop, changes the time required to count the specified number of pulses.
55
1010
15fifteen
20twenty
2525
3030
3535
4040
45Four. Five
50fifty
5555
Un gráfico de forma de onda puede ser construido a partir de las duraciones de los períodos de tiempo activo con relación al período de tiempo de referencia, y los tiempos relativos actuales al final de cada período activo. La coordenada "y" de un punto del gráfico de forma de onda se calcula como la diferencia entre el período de tiempo de referencia y un período de tiempo activo, y el tiempo relativo actual al final del período de tiempo activo es la coordenada "x". La figura 4 muestra un gráfico de forma de onda ejemplar. Cuando los valores de la coordenada "y" de la forma de onda son menores que un umbral, que puede estar basado en una configuración de sensibilidad configurable, los puntos pueden ser almacenados para representar un vehículo individual. Los puntos almacenados pueden ser denominados como una forma de onda del vehículo o una forma de onda de la señal. Estos puntos almacenados se pueden usar para ejecutar el algoritmo de clasificación que se describe a continuación. Cuando el valor calculado de la coordenada "y" es mayor que el umbral, el valor puede ser descartado, lo que indica que no hay ningún vehículo presente.A waveform graph can be constructed from the durations of the active time periods relative to the reference time period, and the relative relative times at the end of each active period. The "y" coordinate of a point in the waveform graph is calculated as the difference between the reference time period and an active time period, and the current relative time at the end of the active time period is the coordinate "x ". Figure 4 shows an exemplary waveform graph. When the values of the "y" coordinate of the waveform are less than a threshold, which may be based on a configurable sensitivity setting, the points can be stored to represent an individual vehicle. Stored points can be referred to as a vehicle waveform or a signal waveform. These stored points can be used to execute the classification algorithm described below. When the calculated value of the "y" coordinate is greater than the threshold, the value can be discarded, indicating that no vehicle is present.
El procesador 114 está acoplado a la disposición de memoria 116. La disposición de memoria 116 está configurada con formas de onda de modelo 118 y puede incluir múltiples niveles de memoria caché y una memoria principal. La disposición de memoria también puede ser configurada con un código de programa que es ejecutable por el procesador para realizar los procesos y algoritmos que se describen en la presente memoria descriptiva. El procesador compara la forma de onda del vehículo con las formas de onda de modelo 118 almacenadas para determinar el tipo de vehículo que pasa. En función de un valor de longitud asociado con el tipo de vehículo que pasa y la duración de la forma de onda del vehículo, el procesador calcula la velocidad del vehículo.The processor 114 is coupled to the memory arrangement 116. The memory arrangement 116 is configured with model 118 waveforms and can include multiple levels of cache memory and a main memory. The memory arrangement can also be configured with a program code that is executable by the processor to perform the processes and algorithms described herein. The processor compares the vehicle waveform with the stored model 118 waveforms to determine the type of vehicle passing. Based on a length value associated with the type of vehicle passing and the duration of the vehicle waveform, the processor calculates the vehicle speed.
La circuitería 120 de entrada / salida y comunicación está acoplada al procesador. La circuitería de E / S y comunicación puede proporcionar interfaces para la comunicación inalámbrica y / o por cable, de los datos generados, por ejemplo. La circuitería de E / S y comunicación puede proporcionar además una interfaz para el almacenamiento retentivo de datos generados, tal como en una memoria no volátil (no mostrada). El procesador 114, que ha determinado el tipo de vehículo y la velocidad del vehículo, puede emitir de salida datos que indican el tipo y la velocidad. El procesador también, alternativamente, puede almacenar en la memoria 116 o en la memoria no volátil la información asociada con cada vehículo detectado, tal como el tipo y la velocidad.The input / output and communication circuitry 120 is coupled to the processor. The I / O and communication circuitry can provide interfaces for wireless and / or wired communication of the data generated, for example. The I / O and communication circuitry can also provide an interface for the retentive storage of generated data, such as in a non-volatile memory (not shown). The processor 114, which has determined the type of vehicle and the speed of the vehicle, can output data indicating the type and speed. The processor can also alternatively store in memory 116 or non-volatile memory the information associated with each detected vehicle, such as type and speed.
Aunque se ilustra único un bucle inductivo de un carril de tráfico, se apreciará que el detector puede ser expandido para clasificar los vehículos que se desplazan en múltiples carriles de tráfico. Por ejemplo, el detector 110 puede ser configurado con múltiples osciladores que están conectados a bucles inductivos respectivos en diferentes carriles de tráfico. El detector puede ser configurado adicionalmente con múltiples comparadores de impulsos que están conectados a múltiples osciladores, respectivamente. Los comparadores de impulsos pueden estar acoplados al procesador para proporcionar trenes de impulsos respectivos como se ha descrito más arriba. El procesador procesa cada tren de impulsos como se ha descrito más arriba y clasifica los vehículos en cada uno de las carriles de tráfico como se describe a continuación.Although a single inductive loop of a traffic lane is illustrated, it will be appreciated that the detector can be expanded to classify vehicles traveling on multiple lanes of traffic. For example, detector 110 can be configured with multiple oscillators that are connected to respective inductive loops in different traffic lanes. The detector can be further configured with multiple pulse comparators that are connected to multiple oscillators, respectively. Pulse comparators may be coupled to the processor to provide respective pulse trains as described above. The processor processes each pulse train as described above and classifies the vehicles in each of the traffic lanes as described below.
En una implementación ejemplar, las formas de onda de modelo pueden ser diferentes para diferentes bucles inductivos. Por ejemplo, la memoria 116 en el detector 110 puede estar configurada con formas de onda de modelo 118 que están adaptadas para el bucle inductivo 102. Puede haber múltiples conjuntos de formas de onda de modelo, siendo adecuado cada conjunto para un bucle inductivo particular o un tipo de bucle inductivo, y el procesador puede ser instruido para seleccionar y usar uno de los conjuntos de formas de onda de modelo para que coincida con la forma de onda de la señal de acuerdo con el bucle inductivo particular.In an exemplary implementation, the model waveforms may be different for different inductive loops. For example, the memory 116 in the detector 110 may be configured with model waveforms 118 that are adapted for the inductive loop 102. There may be multiple sets of model waveforms, each set being suitable for a particular inductive loop or a type of inductive loop, and the processor can be instructed to select and use one of the sets of model waveforms to match the waveform of the signal according to the particular inductive loop.
La figura 2 es un diagrama de flujo de un proceso de clasificación de vehículos usando un único bucle inductivo. En el bloque 202, se genera una forma de onda de señal a partir de una señal generada en un único bucle inductivo por un vehículo que pasa. La forma de onda de la señal generada se puede representar como un conjunto ordenado por tiempo de valores de datos muestreados, que pueden ser procesados por un microprocesador programado.Figure 2 is a flow chart of a vehicle classification process using a single inductive loop. In block 202, a signal waveform is generated from a signal generated in a single inductive loop by a passing vehicle. The waveform of the generated signal can be represented as a time-ordered set of sampled data values, which can be processed by a programmed microprocessor.
En el bloque 204, la forma de onda de la señal se compara con las formas de onda en un conjunto de formas de onda modelo. Las formas de onda de modelo pueden ser configuradas en una memoria antes de operar el sistema para recopilar datos del vehículo. Las formas de onda de modelo son representativas de los vehículos en una clase, y cada una puede ser un conjunto de valores de muestra ordenados por tiempo. Alternativamente, cada forma de onda de modelo puede estar representada por un valor que indica el número de picos negativos en una o unas formas de onda generadas por uno o más vehículos representativos de la clase. Los picos negativos pueden ser denominados alternativamente como valles. Cada forma de onda de modelo puede ser generada a partir de un único vehículo representativo o puede ser una composición de varios vehículos representativos. Como se explicará más adelante, en algunas implementaciones las máscaras de límites respectivas pueden representar algunas formas de onda de modelo.In block 204, the signal waveform is compared with the waveforms in a set of model waveforms. Model waveforms can be configured in a memory before operating the system to collect vehicle data. Model waveforms are representative of the vehicles in a class, and each can be a set of sample values sorted by time. Alternatively, each model waveform may be represented by a value indicating the number of negative peaks in one or more waveforms generated by one or more representative vehicles of the class. Negative peaks can alternatively be referred to as valleys. Each model waveform can be generated from a single representative vehicle or it can be a composition of several representative vehicles. As will be explained later, in some implementations the respective boundary masks may represent some model waveforms.
La forma de onda de modelo que coincide con la forma de onda de la señal es determinada en el bloque 206. Se puede determinar una coincidencia usando enfoques alternativos. En un enfoque, que se muestra en las figuras 3-7 y se describe con más detalle a continuación, la coincidencia se desarrolla en dos fases. En la primera fase, la forma de onda de la señal se compara con las formas de onda de modelo de clases maestras. Cada clase maestra tiene una forma de onda de modelo asociada, y al menos algunas de las clases maestras tienen subclases respectivas.The model waveform that matches the waveform of the signal is determined in block 206. A match can be determined using alternative approaches. In one approach, shown in Figures 3-7 and described in more detail below, the coincidence develops in two phases. In the first phase, the signal waveform is compared with the master class model waveforms. Each master class has an associated model waveform, and at least some of the master classes have respective subclasses.
55
1010
15fifteen
20twenty
2525
3030
3535
4040
45Four. Five
50fifty
Las subclases respectivas de cada clase maestra también tienen formas de onda de modelo asociadas, que en una implementación ejemplar son máscaras de límites. Cada clase maestra generalmente categoriza un rango de longitudes de vehículo. Por ejemplo, una primera clase maestra puede abarcar automóviles de pasajeros, camionetas de reparto y furgonetas; una segunda clase maestra puede abarcar vehículos con remolques y camiones de caja; una tercera clase maestra puede abarcar camiones de caja, autobuses y otros vehículos con más de 2 ejes; y una cuarta clase maestra puede abarcar tractor - remolques.The respective subclasses of each master class also have associated model waveforms, which in an exemplary implementation are boundary masks. Each master class generally categorizes a range of vehicle lengths. For example, a first master class may include passenger cars, delivery vans and vans; a second master class can cover vehicles with trailers and box trucks; a third master class can cover box trucks, buses and other vehicles with more than 2 axles; and a fourth master class can cover tractor-trailers.
En otro enfoque, la forma de onda de la señal se compara con las formas de onda de modelo para diferentes vehículos sin el uso de clases maestras y subclases. Una coincidencia puede ser determinada como la forma de onda de modelo que tiene valores de muestra que coinciden más estrechamente con la forma de onda de la señal.In another approach, the signal waveform is compared with the model waveforms for different vehicles without the use of master classes and subclasses. A match can be determined as the model waveform that has sample values that most closely match the signal waveform.
En el bloque 208 se determina la clase de vehículo asociada con la forma de onda de modelo coincidente, y en el bloque 210 de determina la longitud del vehículo de la clase de vehículo. En una implementación ejemplar, los datos que indican las clases y longitudes del vehículo pueden ser almacenados en una memoria en asociación con las formas de onda de modelo. Por lo tanto, una vez que es determinada la forma de onda de modelo coincidente, los datos asociados que indican la clase y longitud del vehículo se pueden leer de la memoria.In block 208 the vehicle class associated with the matching model waveform is determined, and in block 210 it determines the vehicle length of the vehicle class. In an exemplary implementation, the data indicating the classes and lengths of the vehicle can be stored in a memory in association with the model waveforms. Therefore, once the matching model waveform is determined, the associated data indicating the class and length of the vehicle can be read from memory.
La velocidad del vehículo se calcula en el bloque 212. La longitud del vehículo y la duración de la forma de onda de la señal se pueden usar en el cálculo. Una longitud de campo del bucle 102 está almacenada en la memoria. La longitud asociada con la clase de vehículo y la forma de onda de modelo se puede utilizar para calcular la velocidad con la siguiente ecuación:The vehicle speed is calculated in block 212. The vehicle length and the duration of the signal waveform can be used in the calculation. A field length of loop 102 is stored in memory. The length associated with the vehicle class and the model waveform can be used to calculate the speed with the following equation:
Longitud del vehículo + Longitud del campoVehicle Length + Field Length
Velocidad =-------------------------------------------------------------* Factor de conversiónSpeed = ------------------------------------------------ -------------* Conversion factor
Duración de la forma de ondaWaveform duration
El factor de conversión traduce las unidades de longitud y las unidades de duración de forma de onda en unidades adecuadas para transmitir información de velocidad del vehículo.The conversion factor translates the units of length and wavelength units into units suitable for transmitting vehicle speed information.
En el bloque 214, los datos que indican la clase y la velocidad del vehículo se emiten de salida a una aplicación de recopilación de datos, por ejemplo. Alternativamente, la emisión de salida de los datos puede implicar almacenar los datos en una disposición de memoria local.In block 214, the data indicating the class and speed of the vehicle are output to a data collection application, for example. Alternatively, the output of the data may involve storing the data in a local memory arrangement.
La figura 3 es un diagrama de flujo de un proceso para determinar qué forma de onda de modelo de un conjunto de formas de onda de modelo diferentes para diferentes vehículos coincide con una forma de onda de señal generada por un vehículo. El proceso de la figura 3 incluye dos fases generales. En la primera fase, el proceso determina qué forma de onda de modelo de una clase maestra coincide con la forma de onda de la señal. En la segunda fase, el proceso determina qué forma de onda de modelo de una subclase de la clase maestra coincidente coincide con la forma de onda de la señal.Figure 3 is a flow chart of a process for determining which model waveform of a set of different model waveforms for different vehicles matches a signal waveform generated by a vehicle. The process of Figure 3 includes two general phases. In the first phase, the process determines which model waveform of a master class matches the waveform of the signal. In the second phase, the process determines which model waveform of a subclass of the matching master class matches the waveform of the signal.
La primera fase examina el recuento de picos negativos de la forma de onda de la señal frente a los recuentos de picos negativos de las formas de onda de modelo de las clases maestras. En el bloque 302 se determina el recuento de picos negativos de la forma de onda de la señal. En una implementación ejemplar, se puede usar un algoritmo de detección de picos como se implementa en el software generalmente disponible que se ejecuta en un procesador para determinar el número de picos negativos. Se puede introducir un parámetro de configuración al algoritmo de detección de picos con el fin de hacer coincidir la sensibilidad del algoritmo con la sensibilidad de los circuitos que produjeron la forma de onda de la señal del bucle inductivo.The first phase examines the negative peak count of the waveform of the signal versus the negative peak counts of the model waveforms of the master classes. In block 302 the negative peak count of the signal waveform is determined. In an exemplary implementation, a peak detection algorithm can be used as implemented in the generally available software running on a processor to determine the number of negative peaks. A configuration parameter can be introduced to the peak detection algorithm in order to match the sensitivity of the algorithm with the sensitivity of the circuits that produced the waveform of the inductive loop signal.
Ejemplos de picos negativos en formas de onda para un automóvil y para un tractor - remolque se muestran en las figuras 4 y 5, respectivamente. La forma de onda 400 en la figura 4 tiene un pico negativo en el punto de la curva indicada por el número de referencia 402. La forma de onda 500 de la figura 5 tiene cuatro picos negativos en los puntos 502, 504, 506 y 508.Examples of negative peaks in waveforms for a car and for a tractor-trailer are shown in Figures 4 and 5, respectively. Waveform 400 in Figure 4 has a negative peak at the point of the curve indicated by reference number 402. Waveform 500 in Figure 5 has four negative peaks at points 502, 504, 506 and 508 .
Volviendo a continuación a la figura 3, en el bloque 304 el recuento de picos negativos de la forma de onda de la señal se compara con el recuento de picos negativos de la forma de onda de modelo de la clase maestra. Puesto que la coincidencia de la forma de onda de la señal con una clase maestra implica comparar recuentos de picos negativos, la forma de onda de modelo de una clase maestra no necesita almacenarse como un conjunto de valores de muestra ordenados por tiempo. Por el contrario, la forma de onda de modelo de cada clase maestra puede indicarse mediante el número de picos negativos. Se determina que la clase maestra que tiene un número de picos negativos igual al número de picos negativos en la forma de onda de la señal es la clase maestra coincidente.Turning next to Figure 3, in block 304 the negative peak count of the signal waveform is compared with the negative peak count of the master class model waveform. Since the coincidence of the signal waveform with a master class involves comparing negative peak counts, the model waveform of a master class does not need to be stored as a set of sample values sorted by time. On the contrary, the model waveform of each master class can be indicated by the number of negative peaks. It is determined that the master class that has a number of negative peaks equal to the number of negative peaks in the waveform of the signal is the matching master class.
Una vez que la forma de onda de la señal se ha hecho coincidir con una forma de onda modelo de una clase maestra, la segunda fase procede a hacer coincidir la forma de onda de la señal con una forma de onda de modelo de subclase de la clase maestra coincidente. Las formas de onda de modelo de subclase de las clases maestras seOnce the signal waveform has been matched to a model waveform of a master class, the second phase proceeds to match the signal waveform with a subclass model waveform of the matching master class. The subclass model waveforms of the master classes are
55
1010
15fifteen
20twenty
2525
3030
3535
4040
45Four. Five
50fifty
5555
establecen antes de operar el sistema de clasificación de vehículos. Se debe tener en cuenta que todas las subclases de vehículos dentro de una clase tienen formas de onda modelo que tienen el mismo número de valles.establish before operating the vehicle classification system. It should be noted that all subclasses of vehicles within a class have model waveforms that have the same number of valleys.
Antes de activar el sistema de clasificación de vehículos, las formas de onda de modelo de subclase son configuradas en el sistema, ya sea por el usuario final, tal como un ingeniero de tráfico o por el fabricante del sistema. Para cada subclase, se captura la forma de onda de la señal generada por un vehículo representativo de la subclase. Alternativamente, las formas de onda de señal generadas por múltiples vehículos representativos de la subclase se pueden capturar y combinar en una única forma de onda. La forma de onda resultante se puede interpolar para aumentar la resolución hasta un tamaño de muestra deseado. Se ha determinado que un tamaño de muestra de aproximadamente 1000 puntos proporciona una resolución suficiente para determinar la subclase del vehículo. El factor de interpolación para acomodar este tamaño de muestra se puede calcular en función de la sensibilidad del bucle (cada nivel de sensibilidad produce una frecuencia de muestreo fija) que se ha establecido en el dispositivo. Después de la interpolación, se puede generar una máscara de límites. La máscara de límites tiene límites positivos y negativos para cada muestra de la forma de onda representativa. Por ejemplo, para cada valor de muestra de la forma de onda interpolada, un valor límite positivo es igual al valor de muestra aumentado en una cantidad seleccionada, y un valor límite negativo es igual al valor de muestra disminuido en una cantidad seleccionada. Los desplazamientos positivos y negativos de la máscara de límites dependen del número de formas de onda maestras de subclase que se utilizan para clasificar el vehículo. Las cantidades desplazadas son mayores en los límites positivo y negativo si hay menos clases para acomodar las posibles formas de onda del vehículo a clasificar. Si hay un mayor número de subclases dentro de las formas de onda maestras, las cantidades de desplazamiento son menores para los límites positivo y negativo con el fin de clasificar más particularmente a los vehículos que pasan. Antes de activar el sistema de clasificación de vehículos, las máscaras de límites de forma de onda de modelo de subclase son configuradas en el sistema por el usuario final, tal como un ingeniero de tráfico o por el fabricante del sistema. Por lo tanto, las formas de onda de la máscara de límites se ajustan a la forma de onda interpolada.Before activating the vehicle classification system, the subclass model waveforms are configured in the system, either by the end user, such as a traffic engineer or by the system manufacturer. For each subclass, the waveform of the signal generated by a vehicle representative of the subclass is captured. Alternatively, the signal waveforms generated by multiple representative vehicles of the subclass can be captured and combined in a single waveform. The resulting waveform can be interpolated to increase the resolution to a desired sample size. It has been determined that a sample size of approximately 1000 points provides sufficient resolution to determine the subclass of the vehicle. The interpolation factor to accommodate this sample size can be calculated based on the sensitivity of the loop (each sensitivity level produces a fixed sampling rate) that has been set in the device. After interpolation, a boundary mask can be generated. The boundary mask has positive and negative limits for each sample of the representative waveform. For example, for each sample value of the interpolated waveform, a positive limit value is equal to the sample value increased by a selected amount, and a negative limit value is equal to the sample value decreased by a selected quantity. The positive and negative displacements of the boundary mask depend on the number of subclass master waveforms that are used to classify the vehicle. The quantities displaced are greater in the positive and negative limits if there are fewer classes to accommodate the possible waveforms of the vehicle to be classified. If there is a greater number of subclasses within the master waveforms, the amounts of displacement are smaller for the positive and negative limits in order to more particularly classify the passing vehicles. Before activating the vehicle classification system, the subclass model waveform limit masks are configured in the system by the end user, such as a traffic engineer or by the system manufacturer. Therefore, the waveforms of the boundary mask conform to the interpolated waveform.
La figura 6 muestra una máscara de límites para un automóvil. Los límites positivos son mostrados por la forma de onda 602, y los límites negativos son mostrados por la forma de onda 604. Volviendo a continuación a la figura 3, en el bloque 306 la forma de onda de la señal está normalizada para que coincida con las formas de onda de modelo de subclase de la clase maestra coincidente. La forma de onda de la señal se interpola para que coincida con el tamaño de muestra de las formas de onda de modelo de subclase, y el tiempo entre muestras en la forma de onda de la señal se cambia para igualar el tiempo entre muestras en las formas de onda de modelo de subclase.Figure 6 shows a boundary mask for a car. The positive limits are shown by the waveform 602, and the negative limits are shown by the waveform 604. Turning next to Figure 3, in block 306 the waveform of the signal is normalized to match the subclass model waveforms of the matching master class. The signal waveform is interpolated to match the sample size of the subclass model waveforms, and the time between samples in the signal waveform is changed to match the time between samples in the samples. Subclass model waveforms.
En el bloque 308, la forma de onda de señal normalizada se compara con las máscaras de límites de las subclases de la clase maestra coincidente para determinar qué máscara de límites coincide con la forma de onda de la señal. La forma de onda de la señal coincide con una máscara de límites si todos los puntos de la forma de onda de la señal se encuentran entre los límites positivo y negativo de la máscara de límites. La figura 6 muestra un ejemplo en el que la onda de señal 606 generada por un vehículo que pasa por un bucle inductivo, coincide con la máscara de límites que tiene límites positivos de la forma de onda 602 y límites negativos de la forma de onda 604. Todas las muestras de la forma de onda de señal 606 están entre los límites positivos de forma de onda 602 y los límites negativos de forma de onda 604. Si la forma de onda de la señal coincide con más de una de las máscaras de límites, los desplazamientos positivos y negativos de esas formas de onda coincidentes se reducen, haciendo que la máscara de límites se estreche y se aproxime más a la señal real. La señal normalizada se puede comparar con cada máscara de límites coincidente de nuevo. Este proceso puede ser repetido hasta que la forma de onda normalizada solamente coincida con una máscara de límites de subclase única.In block 308, the normalized signal waveform is compared with the boundary masks of the subclasses of the matching master class to determine which boundary mask matches the signal waveform. The signal waveform matches a boundary mask if all points of the signal waveform are between the positive and negative limits of the boundary mask. Figure 6 shows an example in which the signal wave 606 generated by a vehicle passing through an inductive loop coincides with the limit mask that has positive limits of waveform 602 and negative limits of waveform 604 All samples of the signal waveform 606 are between the positive waveform limits 602 and the negative waveform limits 604. If the signal waveform matches more than one of the limit masks , the positive and negative displacements of these coincident waveforms are reduced, causing the boundary mask to narrow and get closer to the real signal. The normalized signal can be compared with each matching limit mask again. This process can be repeated until the normalized waveform only matches a single subclass boundary mask.
En algunos casos, la forma de onda de la señal puede no coincidir con ninguna de las máscaras de límites de las subclases de la clase maestra coincidente. La figura 7 muestra la máscara de límites para un automóvil y una forma de onda de señal 702. La forma de onda de señal 702 no coincide con la máscara de límites porque no todas las muestras se encuentran entre los límites positivos 602 y los límites negativos 604. Entre los puntos 712 y 714, las muestras de la señal de forma de onda son mayores que las muestras correspondientes de los límites positivos 602. Las muestras que se encuentran fuera de la máscara de límites pueden ser denominadas puntos de fallo. En una implementación, si la forma de onda de la señal no coincide perfectamente con ninguna de las máscaras de límites de las subclases de la clase maestra coincidente, la máscara de límites para la cual la forma de onda de la señal tiene el menor número de puntos de fallo se puede seleccionar como la máscara de límites coincidente.In some cases, the signal waveform may not match any of the boundary masks of the subclasses of the matching master class. Figure 7 shows the boundary mask for a car and a signal waveform 702. The signal waveform 702 does not match the boundary mask because not all samples are between the positive limits 602 and the negative limits 604. Between points 712 and 714, the samples of the waveform signal are larger than the corresponding samples of the positive limits 602. Samples that are outside the limit mask may be referred to as points of failure. In one implementation, if the signal waveform does not match perfectly with any of the boundary masks of the subclasses of the matching master class, the boundary mask for which the signal waveform has the least number of Failure points can be selected as the matching boundary mask.
En el bloque 310, el proceso emite datos que indican la máscara de límites coincidente, y los datos asociados con la máscara de límites coincidente se pueden usar entonces para determinar la longitud del vehículo como se muestra en el bloque 208 en la figura 2 y que se ha descrito más arriba.In block 310, the process issues data indicating the matching limit mask, and the data associated with the matching limit mask can then be used to determine the length of the vehicle as shown in block 208 in Figure 2 and that It has been described above.
Aunque los aspectos y características pueden en algunos casos ser descritos en figuras individuales, se apreciará que las características de una figura se pueden combinar con características de otra figura, aunque la combinación no se muestre explícitamente o se describa explícitamente como una combinación.Although aspects and characteristics may in some cases be described in individual figures, it will be appreciated that the characteristics of one figure can be combined with characteristics of another figure, although the combination is not explicitly shown or explicitly described as a combination.
Se cree que la presente invención es aplicable a una variedad de sistemas de clasificación de vehículos. Otros aspectos y realizaciones de la presente invención serán evidentes para los expertos en la técnica a partir de la consiIt is believed that the present invention is applicable to a variety of vehicle classification systems. Other aspects and embodiments of the present invention will be apparent to those skilled in the art from the consi
deración de la memoria descriptiva y la práctica de la invención que se describe en la presente memoria descriptiva. Se pretende que la memoria descriptiva y las realizaciones ilustradas se consideren solamente como ejemplos, estando indicado un alcance verdadero de la invención por las reivindicaciones que siguen.Description of the specification and practice of the invention described herein. It is intended that the specification and the illustrated embodiments be considered as examples only, a true scope of the invention being indicated by the following claims.
Claims (13)
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US14/314,637 US9361798B2 (en) | 2014-06-25 | 2014-06-25 | Vehicle classification system and method |
| US201414314637 | 2014-06-25 | ||
| PCT/US2014/055172 WO2015199745A1 (en) | 2014-06-25 | 2014-09-11 | Vehicle classification system and method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2681958T3 true ES2681958T3 (en) | 2018-09-17 |
Family
ID=51589555
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES14772042.9T Active ES2681958T3 (en) | 2014-06-25 | 2014-09-11 | Vehicle classification system and procedure |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US9361798B2 (en) |
| EP (1) | EP3161809B1 (en) |
| KR (1) | KR20170020921A (en) |
| AU (1) | AU2014398593B2 (en) |
| CA (1) | CA2951022C (en) |
| ES (1) | ES2681958T3 (en) |
| SG (1) | SG11201610078RA (en) |
| WO (1) | WO2015199745A1 (en) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2017382174A1 (en) | 2016-12-19 | 2019-06-27 | ThruGreen, LLC | Connected and adaptive vehicle traffic management system with digital prioritization |
| US11055991B1 (en) | 2018-02-09 | 2021-07-06 | Applied Information, Inc. | Systems, methods, and devices for communication between traffic controller systems and mobile transmitters and receivers |
| US10847029B2 (en) * | 2018-10-09 | 2020-11-24 | Here Global B.V. | Method, apparatus, and system for automatic road closure detection |
| WO2022010458A1 (en) * | 2020-07-07 | 2022-01-13 | Roberts Tracey Carl | Baby car safe |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3964024A (en) * | 1974-11-15 | 1976-06-15 | Westinghouse Air Brake Company | Transponder for an automatic vehicle identification system |
| JP2839335B2 (en) | 1990-06-19 | 1998-12-16 | 日本信号株式会社 | Method for determining vehicle type and measuring speed of traveling vehicle and apparatus therefor |
| FR2811789B1 (en) * | 2000-07-13 | 2003-08-15 | France Etat Ponts Chaussees | METHOD AND DEVICE FOR CLASSIFYING VEHICLES INTO SILHOUETTE CATEGORIES AND FOR DETERMINING THEIR SPEED, FROM THEIR ELECTROMAGNETIC SIGNATURE |
| JP4184585B2 (en) * | 2000-09-19 | 2008-11-19 | パイオニア株式会社 | Signal delay device, leak signal removal device, and information processing device |
| US6828920B2 (en) * | 2001-06-04 | 2004-12-07 | Lockheed Martin Orincon Corporation | System and method for classifying vehicles |
| US7010401B1 (en) * | 2003-06-26 | 2006-03-07 | The United States Of America As Represented By The Secretary Of The Navy | System for guiding a vehicle to a position |
| ES2312245B1 (en) | 2006-02-21 | 2009-12-17 | Universidad Politecnica De Valencia | METHOD AND DEVICE FOR MEASURING VEHICLE SPEED. |
| US20070276600A1 (en) * | 2006-03-06 | 2007-11-29 | King Timothy I | Intersection collision warning system |
| CN101923781B (en) | 2010-07-28 | 2013-11-13 | 北京交通大学 | Vehicle type recognizing method based on geomagnetic sensing technology |
-
2014
- 2014-06-25 US US14/314,637 patent/US9361798B2/en active Active
- 2014-09-11 EP EP14772042.9A patent/EP3161809B1/en active Active
- 2014-09-11 ES ES14772042.9T patent/ES2681958T3/en active Active
- 2014-09-11 SG SG11201610078RA patent/SG11201610078RA/en unknown
- 2014-09-11 WO PCT/US2014/055172 patent/WO2015199745A1/en active Application Filing
- 2014-09-11 AU AU2014398593A patent/AU2014398593B2/en active Active
- 2014-09-11 KR KR1020177002355A patent/KR20170020921A/en active IP Right Grant
- 2014-09-11 CA CA2951022A patent/CA2951022C/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| US9361798B2 (en) | 2016-06-07 |
| CA2951022A1 (en) | 2015-12-30 |
| KR20170020921A (en) | 2017-02-24 |
| EP3161809B1 (en) | 2018-06-13 |
| WO2015199745A1 (en) | 2015-12-30 |
| AU2014398593A1 (en) | 2017-01-12 |
| EP3161809A1 (en) | 2017-05-03 |
| US20150379870A1 (en) | 2015-12-31 |
| AU2014398593B2 (en) | 2017-03-16 |
| CA2951022C (en) | 2017-11-07 |
| SG11201610078RA (en) | 2017-01-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2681958T3 (en) | Vehicle classification system and procedure | |
| ES2206299T3 (en) | PROCEDURE FOR THE CONTROL OF TRAFFIC CONDITIONS IN A CIRCULATION NETWORK WITH SOME EFFECTIVE NARROW POINTS. | |
| EP3246893A1 (en) | Vehicle on-board control device, host vehicle position and orientation identification device, and vehicle on-board display device | |
| CN106529443B (en) | The method for improving Hough variation detection lane line | |
| CN102915637B (en) | Method and system for traffic state evaluation at signal control crossing | |
| JP6136607B2 (en) | Road condition identification device | |
| Allström et al. | Hybrid approach for short-term traffic state and travel time prediction on highways | |
| CN106164930B (en) | Lane detection method and vehicle | |
| CN111712862A (en) | Method and system for generating traffic volume or traffic density data | |
| EP3618027A1 (en) | Object identification device, road-side device and object identification method | |
| WO2018045974A1 (en) | Method, apparatus, and system for determining traffic light timing | |
| Oskarbski et al. | Estimating the average speed of public transport vehicles based on traffic control system data | |
| ES2423024T3 (en) | Procedure to determine the length of the route traveled by a vehicle | |
| CN104515528B (en) | Single-point map-matching method based on section cumulative probability | |
| RU2242392C2 (en) | Method of and device for correcting errors in location of rail vehicle | |
| TW201721609A (en) | Vehicle turning alarm method and vehicle turning alarm device | |
| CN101976508A (en) | Traffic signal artery phase difference optimization method based on license plate recognition data | |
| CN109313852B (en) | Method, device and system for retrograde driver identification | |
| CN107038877A (en) | Intersection vehicle flowrate forecasting system based on vehicle electron identifying | |
| US20200365017A1 (en) | System and method for single-loop vehicle speed estimation using inductive loop signature data | |
| US20220319322A1 (en) | Drive assist apparatus and drive assist method | |
| ES2312245B1 (en) | METHOD AND DEVICE FOR MEASURING VEHICLE SPEED. | |
| Brunauer et al. | Deriving driver-centric travel information by mining delay patterns from single GPS trajectories | |
| Yang et al. | Improved travel time estimation for reliable performance measure development for closed highways | |
| Wang et al. | Measure travel time by using Bluetooth detectors on freeway |